RCNN总结
来源:互联网 发布:淘宝卖假货封店 编辑:程序博客网 时间:2024/06/04 18:42
RCNN算法
训练:
ILSVRC 2012数据库,训练网络A
VOC图片,通过SS 获得 RP图片(和真值区域的IoU>=0.5为正类,剩下为负类)
RP图片,数据预处理(减均值,裁剪)
RP图片,以A网络权值fine-tuning训练网络B
RP图片,通过网络B获得pool5特征和fc8特征
RP位置和pool5特征,回归得到BB
fc8特征(真值框为正类, IoU<0.3为负类,其余舍弃),HNM训练SVM分类器
测试:
图片,通过SS获得 RP图片
RP图片,数据预处理(减均值,裁剪)
网络B,提取pool5特征和fc8特征
fc8特征,通过SVM得出类别分数
pool5特征和类别分数,通过GNMS和BB得到位置
术语:
Selective search(SS)
Region proposals(RP)
Hard nagetive mining(HNM)
Bounding box(BB)
Greedy non-maximum suppression(GNMS)
关键问题:
RP的类别怎么决定?
IoU大于某个重叠阈值则为正类,反之亦然。阈值的选取由验证集实验结果决定。
为什么fine-tuning和SVM训练时的正负样本数不一样?
存在很多IoU>0.5的非真值框样本,如果加入这些样本,fine-tuning训练的正类数就会增多,可以避免过拟合,但同时也会造成解不是最优,因为这个网络不是训练成精确定位的。
为什么用SVM而不是softmax输出?
经过实验发现用SVM效果比softmax好,原因可能由多种因数组成,包括fine-tuning时定义的正类没有强调精确定位;softmax训练用的负类是随机的,而不像HNM那样。
阅读全文
0 0
- RCNN总结
- RCNN总结
- RCNN,Fast RCNN,Faster RCNN 总结
- RCNN学习笔记(10):总结RCNN -> Fast-RCNN -> Faster-RCNN
- Rcnn论文总结
- Fast Rcnn 论文总结
- Faster Rcnn论文总结
- RCNN、FastRCnn总结
- Fast RCNN总结
- Faster RCNN总结
- Fast-rcnn总结
- Faster-rcnn总结
- DAY 5 RCNN总结
- Faster RCNN简单总结
- RCNN + SPP + FAST RCNN + FASTER RCNN+ YOLO 论文总结
- 目标检测 RCNN, SPPNet, Fast RCNN, Faster RCNN 总结
- RCNN,fast RCNN,faster RCNN比较归纳总结(一)
- RCNN,fast RCNN,faster RCNN比较归纳总结(一)
- 【JavaSE系列-基础篇3】——面向对象编程概念之继承
- Struts2中StrutsPrepareAndExecuteFilter源码浅析
- jdbc hibernate(session) jpa (entityManager ) spring-data-jpa mybatis完全混用
- *最小生成树
- 测试人员使用idea+git查看代码逻辑
- RCNN总结
- 国际象棋棋盘
- 棋盘问题
- Hibernate中的一级缓存和二级缓存
- 551. Student Attendance Record I
- linux(ubuntu)挂载远程目录到本地
- leetcode(168)Excel Sheet Column Title 简单题
- 微信小程序开发之formId使用(模板消息)
- 用深度学习协助医生诊断肿瘤